网站首页
校园空间
教师库
在线阅读
知识问答
大学课件
高等教育资讯网
大学课件分类
:
基础课件
工程课件
经管课件
农业课件
医药课件
人文课件
其他课件
课件(包)
文库资源
点击切换搜索课件
文库搜索结果(551)
深圳大学:《概率论与数理统计》课程教学资源(PPT课件讲稿)第11讲 二元随机变量
文档格式:PPT 文档大小:235.5KB 文档页数:36
定义2.5如果每次试验的结果对应着一组确 定的实数(1525),它们是随试验结果 不同而变化的n个随机变量,并且对任何一 组实数x12xn事件 \515x25xn\有确定的概率,则称 n个随机变量的整体(525)为一个n元 随机变量(或n元随机向量) 定义2.6称n元函数
《概率论与数理统计》课程电子教案(PPT课件讲稿)第七章 习题集
文档格式:PPS 文档大小:582KB 文档页数:25
问题1极大似然估计具有不变性,矩估计 是否也具有? 答否 例如服从反射正态分布,其p.d.f为 20 现用矩法分别对和作估计
《概率论与数理统计》课程电子教案(PPT课件讲稿)第四章 习题集
文档格式:PPS 文档大小:1MB 文档页数:32
问题1数学期望定义中 为何要求绝对收敛? 我们通过一个期望不存在的例子 来说明这个问题 设X的分布律为P=P(X=x)=1/2 其中x=(-1)21kk=1,2… 则xP=(11k k=1 k=1 =1-1/2+1/3-1/4+…=ln2.(J) 2
《概率论与数理统计》课程电子教案(PPT课件讲稿)第七章 参数估计(7.3)区间估计
文档格式:PPS 文档大小:628KB 文档页数:40
7.3区间估计 引例已知X~N(μ,1) μ的无偏、有效点估计为 常数 随机变量 不同样本算得的μ的估计值不同, 因此除了给出μ的点估计外,还希望根据 所给的样本确定一个随机区间,使其包含 参数真值的概率达到指定的要求
《概率论与数理统计》课程电子教案(PPT课件讲稿)第四章 随机变量的数字特征(4.2)方差
文档格式:PPS 文档大小:517.5KB 文档页数:26
4.2方差 引例甲、乙两射手各打了6发子弹,每发 子弹击中的环数分别为: 甲10,7,9,8,10,6, 有五个不 乙8,7,10,9,8,8,有个 四 问哪一个射手的技术较好?个同 解首先比较平均环数 不数 甲=8.3,乙=8.3 同数
《遗传学》课程教学资源(讲义)第五章 数量性状
文档格式:DOC 文档大小:90KB 文档页数:20
一、数量性状的特征: 遗传性状分为质量性状和数量性状两类。 质量性状:在可以遗传的性状中,性状在后代的变异中是表现为不连续的 变异,在它们之间可以明显的分组,进行频率的统计。是由一对或少数n对基 因所控制的遗传方式一般能符合孟德尔的遗传原则
中国建筑业协会:2015年我国建筑业发展统计分析
文档格式:PDF 文档大小:2.93MB 文档页数:48
2015年全国建筑业企业(指具有资质等级的总承包和专业承包建筑业企业,不含劳务分包建筑业企业,下同)完成建筑业总产值180757.47亿元,增长2.29%;
高洁净度齿轮钢中非金属夹杂物的检测方法
文档格式:PDF 文档大小:1.66MB 文档页数:11
研究了一种方便可靠的夹杂物评估方法:利用合适电化学充氢后的拉伸试样获取夹杂物并与极值统计法相结合估算不同体积钢中非金属夹杂物的最大尺寸并预测疲劳强度。研究选用工业生产的高洁净度20Cr2Ni4A齿轮钢,将淬火+低温回火态的标准拉伸试样进行电化学充氢,使拉伸断口由于氢脆现象存在一些以粗大非金属夹杂物为中心的脆性平台,从而可方便快捷地在扫描电子显微镜下对夹杂物的类型、尺寸和分布进行检测,并利用极值统计法对钢中的最大夹杂物尺寸进行评估。为了验证该方法的准确性,采用传统金相法和旋转弯曲疲劳试验对钢中非金属夹杂物进行了检测,结果表明,使用本文所提出的夹杂物评估方法预测的钢中最大夹杂物尺寸及疲劳强度与疲劳试验结果相吻合。因此,该方法有望成为预测高洁净度高强度钢中最大夹杂物尺寸及其疲劳强度的一种有效方法
哈尔滨工业大学:《模式识别》课程教学资源(PPT课件讲稿)第四章 统计分类器及其学习
文档格式:DOC 文档大小:944.5KB 文档页数:11
在距离分类器和判别函数分类器中,我们都是把模式看作是 N 维欧氏空间中的一个点, 而且统一类别的模式在空间中聚集在一定的区域,不同模式的区域在空间中具有一定的分离 性。在本章所讨论的统计分类器中,我们仍然认为模式是欧氏空间中的一个点,但是每一类 模式不是分布在空间中的一个确定区域,而是可能分布在整个空间,只不过空间中每一点属 于某一类的概率不同,属于这一类的可能性大一些,属于另一类的可能性小一些
21世纪社会学系列教材:《高等SPSS》教学资源(PDF电子书)第九章 鉴别分析(2/2)
文档格式:PDF 文档大小:1.01MB 文档页数:22
鉴别分析是一种进行统计鉴别和分组的技术手段。它可以就一定数量案例的 个分组变量和相应的其他多元变量的已知信息,确定分组与其他多元变量之间 的数量关系,建立鉴别函数( discriminant function)o然后便可以利用这一数量 关系对其他已知多元变量信息、但未知分组类型所属的案例进行鉴别分组。沿用 多元回归模型的称谓,在鉴别分析中称分组变量( grouping variable)为因变量, 而用以分组的其他特征变量称为鉴别变量( disciminant variable)或自变量。其 实,这里的自变量并不一定是真正的“原因”变量,有时可能倒是真正的“结 果”或“反应”变量。它们与类型变量的关系从本质上并没有越过相关的范畴。 不过,既然我们要参照其值来进行分组,权且称之为自变量
首页
上页
43
44
45
46
47
48
49
50
下页
末页
热门关键字
原发性
国际政治与中国
f
c3
优化编译
普适计算
内力
冷藏运输
交际]
会计学原理
光伏原理
工程制图(土木工程)
分娩
电离
萃取分离法]
X射线衍射分析
Web设计
JAVA数据库
css
c语言、算法设计]
C语言数据结构
d3
db
DSP处理器及应用
DSP原理
EDA电子设计
EDA基础
F4
GIS理论与方法
GIS原理方法与应用
good!
GUI编程
Hilbert空间中基
Internet与网页设计
IT项目管理
Java编程
JAVA编程基础
LED+电源
Li
Linux环境编程
搜索一下,找到相关课件或文库资源
551
个
©2008-现在 cucdc.com
高等教育资讯网 版权所有